倪军：智能制造，未来可期

2026年初，AI Agent的出现将人工智能的应用场景推进到新高度，人工智能不仅可以完成对话、问答等简单任务，还可以自主执行一些更复杂的任务。与此同时，我国具身智能产业也迎来新的突破，不少汽车生产车间已经引入了人形机器人“员工”。

今年3月发布的“十五五”规划《纲要》提出，要“深入实施‘人工智能+’行动，推动科技创新和产业创新深度融合，加快形成新质生产力”、“坚持智能化、绿色化、融合化方向，加快建设制造强国、质量强国”。

在我国制造业中，人工智能的应用是否已经开始创造价值？中国企业能否率先实现真正的智能驾驶？绿色能源加人工智能，将如何赋能中国制造？《2026下半年经济展望》，对话上海交通大学溥渊未来技术学院院长、宁德时代首席制造官倪军。

第一财经：近年来，人工智能快速渗透各产业，在智能制造领域，有多少企业已经将AI嵌入生产底座？从AI应用到价值创造，中间的落差又有多大？

倪军：先从我的个人经历，回顾一下AI的发展进程。在1983年，我去到美国留学，1984年我接手了一个研究生课题，是美国通用汽车的一个项目。当时他们有一个非常有经验的工程师要退休了，他的名字叫查理，美国通用汽车希望能把查理作为一个工程师的经验和知识，能够用计算机把它传承下来，希望能做成一个“数字工程师”。但是那时候的计算能力，包括数据的获取方式都非常困难，我们当时也用神经网络，但是很简单的三层神经网络，节点也比较少，但在当时已经是一个“人工智能”的小高峰。

但是后来就有落差了，因为大家对它充满期待，但是如何能把查理的知识获取下来？如何通过一些传感器的信号去预测行为？如何像查理一样去思考？其实这里面有很多挑战。

慢慢到2000年前后，又有一波人工智能浪潮，第三波“浪潮”，但这次人工智能真的来了，现在各企业CEO其实都很慌，不知道这一波新的 AI来了以后，对企业和行业，甚至对整个产业，会造成怎样的冲击？他们如何拥抱AI？

我个人认为，AI在数字媒体领域，在数据比较多的环境下，它能够迭代得非常快，落地应用的速度也非常快，但是在工业界，其实没那么乐观。首先，工业界的数据量非常有限，我们每一个行业、每一家企业都不愿意把自己的数据分享出去，我们的核心工艺、核心的Know-how‌（隐性知识）、核心的参数，不可能在公开网上能够训练到的，这就形成了非常多孤立的数据岛，每一家企业的内部也有不同的部门、各个环节所产生的数据，甚至同一条产线上不同设备产生的数据，可能都不一定能打通。在这种情况下，工业界的 AI应用就还是比较有限。

我把 AI在工业界的应用分成四级，和自动驾驶一样，L1第一级，L2第二级，L3第三级、L4第四级。L1第一级，现在很多企业已经在做了，就是进行简单的问答、知识的寻找，还局限于信息搜索，这一级在各行业都比较普遍地应用了。

第二级就需要进行数据分析和数据处理。如何把这些孤立的数据岛屿的信息打通？通过开发一些Agent（智能体），把数据拿来做一些相关性分析，做一些模型的建立、预测未来。这是第二个级，不少企业也已经在做了。

进入第三层级的企业就越来越少了，第三级不仅是能够分析一张图表，看看数据曲线和数据比例，第三级需要做到的是能够推荐决策方案。比如在产品制造的过程中，参数应该如何调整？是应该把它调高一点，还是降下来一点？这种决策就是第三级，对这个模型的可靠性、准确性、及时性都提出了非常高的要求。现在很多自动驾驶公司说自己是L2.9，他不说L3，因为真正达到L3还是非常难的。

再高一级的L4是我们真正希望看到的。目前的AI模型都还是让算法来模拟人的完整业务流程，把人做的事，让机器做得更快。但我希望看到的L4，是能够实现Go Beyond Human Capital（超越人类的认知边界），能够提出创造性的、新的想法，不只是针对一个局部的生产工艺的优化，而是能做全局的优化。

第一财经 ：为什么机器能够超越人类的智慧？

倪军：人类有自身的局限性，一般人类很难想象超过三维以上的空间，参数变量一旦变多了，我们就很难从变量里找到它的因果关系或者未来趋势。另外，人类对数据的记忆回溯没有机器快，机器的回溯很快，所以机器有很多先天的优势，我希望它能超过人类的能力边界，但是这个现在没有人在做，整体技术发展还没到。

现在第一级基本上只要是一个企业，有这个意识的都已经自下而上的在做，比如一个员工把经常做的、重复性的工作，写成一个“.skill”或者一个小的Agent智能体，来提升工作效率。

一些企业已经开始走到第二级，就是有一个整体的架构，有一些自上而下的、系统化的规划，比如做 AI的目的是什么？想达到什么样的效果？包括把整个业务流都写出来，然后让它可以自动执行。

但真正达到第三级，现在的挑战还有很多。一个是工业界对模型的可解释性和它的可信度、及时性要求极其高，假设我在一个核电发电站机组，用一个AI来管理，AI推荐把阀门的调节调小一点，你敢不敢采用？这种决策面临着非常重大的后果。在制造业里，很多都是这样的场景，像炼钢炉，一锅铁水在里面，你如何处理？参数调得不好，一锅铁水可能就废掉了。所以这里面的决策点就很难实现，这就是L3模型的验证，它对透明度、可视度、准确度和及时性的要求。

走到L4第四级，就像智能驾驶车企，现在还没有哪个车企说能够实现在全气候、全路径、全域、全温度下都可以自动驾驶。但这个也是我们大家奋斗的一个目标。虽然我们现在只有L2.9不到L3，但很多企业已经认为自己肯定能够达到L4。

但真正的效率提升和价值创造，我认为一定要走到L3才能真正实现。因为人的决策还是凭经验，这个经验还是比较有限。

第一财经：我们看到越来越多的人形机器人被应用到工厂中，您怎么看这个趋势？又如何评估它的现实价值？

倪军：人形机器人现在非常火，大家都期待着它走进工厂，但目前其实还是在探索阶段。虽然整个行业发展非常迅猛，尤其是中国的人形机器人，参加马拉松赛跑、春晚表演、武术打斗等等，但真正走进工厂，要干活、要效率、要准确度，其实人还是有绝对优势的。比如我们抓一个东西很简单，但让人形机器人去抓，他们需要大量的数据来训练。据说现在国内有五十几个城市都建立了自己的具身智能机器人数据采集工厂，雇一些人戴上传感器来做动作，然后机器再学，这样去教它们，这是个非常庞大的工程，即使这样，数据还远远不够，和互联网的这种大模型相比，数据规模不是一个量级的。

有些技术手段通过C2R‌ (Coarse-to-Real)技术，从一个模型模拟产生数据，把人教的数据和模拟计算机模型产生的数据，仿真数据和真实数据融在一起，训练这个大模型。但即使这样，它的机器人的泛化能力，也就是我在这个场景安装螺丝钉，换一个场景要撕胶带的这种举一反三的能力，我们叫泛化能力，还是具有挑战。

其实我认为在工厂这个场景，不一定要让机器人走起来，因为一个人形机器人光站着就在消耗能量，让它走起来续航能力更短，让他干活续航能力再打折，也不能让人形机器人都拖个电线、电缆，这也不现实。这背后有非常多的技术需要突破。我认为短期内，底座可以就用非常稳健的轮式底盘，上面有双臂或多臂，有视觉，可以做一些上下料这种简单的工位，已经很多工厂里都在尝试，但是它的效率目前还是比不上人。

第一财经：“十五五”时期，新质生产力是推动经济增长的重要引擎和抓手。在智能制造和能源转型这两个领域，您是否已经看到以人工智能为代表的新技术，对于经济增长的支撑作用？

倪军：是的，作为一个学者，我调研过非常多的产业，我看到大家都在拥抱智能制造和能源转型，比如新能源汽车、电池、储能等等，虽然拥抱的程度各有不同，我们也已经看到这两个领域的中国企业近几年的迅猛发展，也在国际舞台上形成了有竞争力的态势。

第一财经：展望未来，是否还能继续依托我们在能源和制造的体系优势，继续保持或者进一步扩大我们的竞争优势？

倪军：改革开放四十年以来，中国制造业已经形成了非常显著的优势，包括工业化能力和供应体系，非常强大，还有我们在基础设施、交通、能源各方面的优势，综合起来造就了我国制造业独特的优势。现在，中国在AI革命上，也占据了世界上比较领先的地位。同时，中国还有人才优势，中国每年培养七八百万工程理工类的毕业生，这是一个非常大的基数。所以，中国企业具备了非常好的机会。因为未来，我认为产业的发展就是智能化和绿色零碳化两个方向，中国恰恰在这两个方向都具备了非常显著的优势。所以，所有企业要发展、要生存，就必须拥抱智能、零碳，这两个大的趋势。

第一财经：近些年，全球多数国家和地区都已经意识到制造业的重要性，一些国家在大力推行制造业回流，会利用税收等优惠政策来吸引制造业企业的进入，各国可以说使出了浑身解数去吸引制造业。您怎么看，未来中国制造业的竞争优势在哪里，我们何以制胜？

倪军：制造业不是一个短期内能快速改变或者回流的产业。首先，中国原来的工业基础就不错，再加上改革开放以后，把世界上最先进的技术和各种生产管理的方式都慢慢吸引到中国，当时以市场换技术这个思路还是非常有成效的，经过过去近三、四十年的发展，把我国制造业整体能力都提上来了，比如汽车产业，在改革开放之初，路上跑的全是外国品牌的汽车，但是近十年，突然有很多国产新势力出来造车，如何能实现？因为这个能力的建立是经过漫长的积累，供应链各个零部件都慢慢到中国。

其实全球要争取制造业回流也好，其他的举措也好，都是在争取外国直接投资（Foriegn Direct Investment），它带来的不仅是资本，它还带来新的技术、管理、供应体系和整个生态。通过外国直接投资FDI，就把当地的产业能力慢慢提起来。

所以中国汽车行业，经过了三十多年外国直接投资的进入，把全世界最好的供应链都建在中国了，这时候国内的造车新势力们就可以自己造车，因为我们自己有底盘的供应、有车身的供应、有中国自己的电池企业，所以我们的产品迭代周期就非常快了。任何事情只要迭代的速度能加快，竞争力就能不断地提升。包括AI技术，谁能快速地在某个行业、某个领域进行迭代、完成闭环，进步就会非常快。

“速度”是一个关键变量，另外一个“创新”，哪个国家、哪个行业、哪个企业，能够不断地引领创新，就可以立于不败之地。

第一财经：当前，很多工厂的人类员工数量已经减少了，展望未来，这个趋势还会愈演愈烈吗？将来人和机器人的互动关系是怎样的？

倪军：从历史来看，任何一次工业革命的到来，都会对现有产业、社会和经济体系带来一次冲击，这个冲击会取代一些旧的产能和能力，同时也会创造出非常多的新的机会，很多新的产业会应时而出。比如过去工厂里很多手工操作的岗位已经被机器人替代了，因为人的手工操作的一致性无法达到高精尖的质量要求，这种情况必须要用机器来替代。

这次工业革命也是同样的，这波AI来了之后，同样有些人无法精准地做判断，尤其是在复杂的制造体系和工业体系里，中控室里有非常多仪表盘和显示器，非常多的参数，人很难把控，这个时候AI可以承担这种复杂的、对人力要求负荷比较重的这种工作，把人从中解放出来，人就可以考虑做更多的有创造性的工作了。所以短期会对就业有一波的冲击，但随之而来可能会有更多新的机遇。

第一财经：就像您前面说的，企业比较普遍地已经进入了L1和L2这两个阶段，被寄予厚望的是后面的L3阶段和L4超越人类认知水平的阶段，到那个时候，我们如何定义人类的人才？您也是大学的教授，在您看来，如何能够培养未来的人才？

倪军：上海交大在五年前创建了上海交大溥渊未来技术学院，我们也面临着同样的问题，在内部也做了多轮的讨论和变革，就是未来当AI变成这么强大了，我们如何定义未来的人才？他应该具备什么样的知识结构来驾驭AI？而且我们不仅是定义什么是未来人才，还要重新挑战如何教这种人才？这个学生在这种新的环境下如何学？更重要的是，我们如何评价一个学生，他到底是不是我们未来的合格的未来人才？未来十年或十五年，当新兴技术、新兴产业和新型岗位不断涌现，我希望我们的学生能够引领未来，不只是适应未来，我们要引领未来。

在这种情况下，我们对人才能力有个综合的画像：我们不看考分、绩点，不因为考试考得好，就代表你能够成为非常优秀的人才，我们要看他的综合能力。

第一，我们看他的系统性思维能力Critical Thinking，这个能力是非常稀缺的，同样是驾驭智能体，不同的是你如何思考。因为你才是Master（主体），智能体只是你的Slave（仆从），是工具。

比如当你遇到一个问题，如何把这个问题剖析分解成可解的、简单的问题，然后驾驭智能体去帮你完成任务，其实系统性思维非常重要。

第二，创新的意识。人不是天生就能创新的，需要在平时培养他的兴趣爱好、他的好奇心、他的探索能力，以及很重要的提问题的能力。因为提问的背后其实有系统性的思考，一般遇到1个问题，如果能够系统性地提问，问得好的话，大概问3个4个问题，几乎答案的一半都能被问出来了，所以提问题的能力是非常重要的。其实我们不缺乏解问题的人，我们缺的是能够识别问题、能够洞察问题、能够提出高价值的问题的人，提出这些问题以后，怎么解题，其实有很多方式，包括AI可以去完成。

第三，未来都是多学科融合的，不是单一学科。不再像过去学了机械，未来一辈子只能走机械这一条路，未来的突破点，往往是在交叉领域，需要几个人的专业的协同才能解一个问题，因为简单的问题都已经解决完了，真正的机会都在那种比较难突破的地方，未来中国要引领世界的话，肯定要追求这种新的突破点。

本期节目

编导 官悦

制片人 尹淑荣